/ Модель
Каталог

Характеристики

Контекст
4 096 токенов
Параметры
7,5 млрд
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
marin-8b-base
Библиотека
transformers
Опубликована
7 авг 2026

Ссылки

Hugging Face

capsd-opc-dedup-marin-8b-base-code_random_b8000_s0

AmberYifan
Генерация текстаТекст → текст6 профессий

Дообученная 7,5-миллиардная Llama-модель для генерации текста и чат-взаимодействия на основе Marin 8B Base.

13скачиваний за 30 дней0лайковвеса обновлены7 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это дообученная модель генерации текста на архитектуре Llama, созданная на основе marin-community/marin-8b-base. Веса содержат 7,5 млрд параметров, представлены в формате safetensors; заявленный контекст — 4096 токенов. Дообучение проведено на наборе capsd_marin-8b-base-n80000-opc-dedup80k__mix_code_random_b8000_s0, однако карточка не описывает его состав и результаты обучения.

Модель предназначена для генерации и продолжения текста в Transformers; метаданные также отмечают возможность чата. Базовая Marin 8B Base ориентирована на английский язык, но отдельные языковые возможности этой производной модели подробно не указаны. Лицензия обозначена как other, поэтому условия использования следует уточнить в репозитории модели.

Сценарии применения

  • генерация продолжения заданного текста
  • создание ответов в текстовом чате
  • генерация фрагментов кода на основе запроса
  • адаптация англоязычной базовой модели под пользовательский набор данных

Ограничения

Карточка не приводит оценки качества, подробностей обучающего набора или ограничений применения; назначение дообучения на коде и случайных данных указано только в имени набора. Лицензия обозначена как other, поэтому условия использования требуют уточнения.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

marin-8b-base_code_random_b8000_s0

This model is a fine-tuned version of marin-community/marin-8b-base on the capsd_marin-8b-base-n80000-opc-dedup80k__mix_code_random_b8000_s0 dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 0
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • total_eval_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 0.03
  • num_epochs: 1

Training results

Framework versions

  • Transformers 5.7.0
  • Pytorch 2.13.0+cu130
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
214a5f5

0 моделей

    Создать бенчмарк